ఈ కేసు కోర్టుకు ఎందుకు వచ్చింది

ఆగస్టు మరియు సెప్టెంబర్ 2024లో ప్రచురితమైన తన సొంత కథనాలే ChatGPT ఇచ్చే సమాధానాల్లో కనిపిస్తున్నాయని గమనించిన తర్వాత ANI దావా వేసింది. ఈ లార్జ్ లాంగ్వేజ్ మోడల్ (LLM) తన కాపీరైట్ కలిగిన వచనాన్ని (text) తిరిగి ఉత్పత్తి చేస్తోందని ఏజెన్సీ వాదించింది. ఒకవేళ ఈ వాదన నెగ్గితే, OpenAI తన మోడళ్లను భారతదేశంలో నిలిపివేయాల్సి వస్తుంది లేదా భారీగా పరిమితులు విధించాల్సి వస్తుంది.

పేర్కొన్న రెండు మోడళ్లు—GPT-4 మరియు కొత్త GPT-4o—ఏప్రిల్ 2022 మరియు ఏప్రిల్ 2024 కటాఫ్ తేదీల వరకు ఉన్న డేటాపై శిక్షణ పొందాయని OpenAI సమాధానమిచ్చింది. ANI కథనాలు ఆ తేదీల తర్వాత వచ్చాయి, కాబట్టి అవి అసలు శిక్షణ సెట్‌లో ఉండే అవకాశం లేదు. ఈ సారూప్యత (overlap) మోడల్ కథనాలను "గుర్తుంచుకోవడం" వల్ల కాకుండా, రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్ (RAG) వల్ల వచ్చి ఉండవచ్చని జడ్జి అమిత్ బన్సాల్ పేర్కొన్నారు. RAG అనేది వెబ్ నుండి ప్రస్తుత సమాచారాన్ని రియల్ టైమ్‌లో సమాధానంలోకి తీసుకువస్తుంది.

చట్టపరమైన మలుపు: శిక్షణ అనేది "పరిశోధన"

"పరిశోధనతో సహా ప్రైవేట్ లేదా వ్యక్తిగత ఉపయోగం" కోసం భారతదేశంలోని కాపీరైట్ మినహాయింపును కోర్టు విస్తృతంగా అర్థం చేసుకోవడం వల్ల ఈ కేసు చాలా కీలకం. ప్రారంభ శిక్షణ దశలో OpenAI, ANI మెటీరియల్‌ను ఉపయోగించిందని ఇరుపక్షాలు అంగీకరించాయి, కానీ జడ్జి ఆ వినియోగాన్ని "ట్రాన్స్‌ఫార్మేటివ్" (రూపాంతర) గా పరిగణించారు. అంటే, మోడల్ కేవలం వ్యాకరణం, సింటాక్స్ మరియు గణాంక నమూనాలను (statistical patterns) మాత్రమే సేకరించింది, అసలు వ్యక్తీకరణాత్మక కంటెంట్‌ను (expressive content) తాకలేదు.

కోర్టు రెండు కఠినమైన షరతులను విధించింది:

  • శిక్షణ కోసం ఉపయోగించే కాపీలు చట్టబద్ధమైన వనరుల నుండి మాత్రమే రావాలి, పైరేటెడ్ ఆర్కైవ్‌లు లేదా వినియోగదారుడు యాక్సెస్ చేయలేని పేవాల్స్ (paywalls) నుండి కాకూడదు.
  • ఆ మెటీరియల్ డెవలపర్ యొక్క స్వంత ఎన్విరాన్‌మెంట్‌లోనే ఉండాలి; దానిని ప్రచురించడం లేదా పంపిణీ చేయడం చేయకూడదు.

మూడు భాగాల ఫెయిర్‌నెస్ టెస్ట్‌ను వర్తింపజేస్తూ, OpenAI వినియోగం కేవలం శిక్షణకే పరిమితమైందని, మోడల్ పదాలను యథాతథంగా (verbatim) గుర్తుంచుందనడానికి ఎటువంటి ఆధారాలు లేవని జడ్జి తేల్చారు. అంతేకాకుండా, ఈ రెండు సంస్థలు వేర్వేరు మార్కెట్ విభాగాలలో పనిచేస్తున్నందున, ANIకి ఎటువంటి ప్రత్యక్ష ఆర్థిక నష్టం వాటిల్లలేదని ఆయన పేర్కొన్నారు.

ప్రపంచవ్యాప్త తీర్పుల నేపథ్యంలో దీని స్థానం

AI అవుట్‌పుట్‌ల పట్ల "ట్రాన్స్‌ఫార్మేటివ్" దృక్పథాన్ని సమర్థించే పలు అమెరికా కేసుల మాదిరిగానే ఇప్పుడు భారతదేశం కూడా వ్యవహరిస్తోంది. Kadrey v. Meta కేసులో, ఖచ్చితమైన పదాలను కాపీ చేయని జనరేటెడ్ టెక్స్ట్ ఉల్లంఘన కిందకు రాదని కోర్టు పేర్కొంది. అలాగే, సుదీర్ఘ కాలంగా ఉన్న Google Books నిర్ణయం డిజిటలైజేషన్ ప్రాజెక్టుల కోసం పరిమితమైన "సెర్చ్-అండ్-డిస్ప్లే" మినహాయింపును గుర్తించింది. Raw Story వంటి ఇతర అమెరికా దావాలు నష్టం నిరూపించలేక కొట్టివేయబడ్డాయి, కానీ Anthropic వివాదం పైరేటెడ్ డేటాను ఉపయోగించడం వల్ల బాధ్యత (liability) ఎదురయ్యే అవకాశం ఉందని న్యాయమూర్తులకు గుర్తు చేసింది.

ఐరోపా అంతటా అభిప్రాయాలు భిన్నంగా ఉన్నాయి. మోడల్ వెయిట్స్‌లో (model weights) ఉన్న పాటల సాహిత్యాన్ని (lyrics) తిరిగి ఉత్పత్తి చేయడం ఉల్లంఘన కిందకే వస్తుందని మ్యూనిచ్ కోర్టులు తీర్పునిచ్చాయి, అయితే లండన్ ట్రిబ్యునల్ ఇటీవల Stability AI పై దాఖలైన ఇలాంటి దావానే కొట్టివేసింది. ఢిల్లీ హైకోర్టు తీర్పు మరొక అంశాన్ని స్పష్టం చేసింది: శిక్షణ చట్టబద్ధమైన వనరులకు మాత్రమే పరిమితమైతే మరియు అవుట్‌పుట్ యథాతథంగా కాపీ కాకపోతే, ఆ ప్రక్రియను పరిశోధన మినహాయింపు కింద పరిగణించవచ్చు.

డెవలపర్లు గమనించవలసిన అంశాలు

  • RAG vs. శిక్షణ – "మెమరైజేషన్" (శిక్షణ) మరియు రియల్-టైమ్ రిట్రీవల్ (RAG) మధ్య కోర్టు చేసిన తేడాను బట్టి చూస్తే, భవిష్యత్తు వివాదాలు సమాధానం ఒక స్టాటిక్ నాలెడ్జ్ బేస్ నుండి వస్తుందా లేదా వెబ్ నుండి లైవ్‌గా తెస్తుందా అనే అంశంపై దృష్టి పెడతాయని తెలుస్తోంది. డెవలపర్లు తమ ప్రొడక్ట్ డాక్యుమెంటేషన్‌లో ఈ తేడాను స్పష్టంగా పేర్కొనాల్సి రావచ్చు.
  • మూలాధారాల ప్రామాణికత (Source provenance) – "చట్టబద్ధమైన వనరులు" అనే నిబంధన వల్ల, ప్రతి టెక్స్ట్ ముక్క చట్టబద్ధమైనదేనని నిరూపించే కాంట్రాక్టులు లేదా లైసెన్సులను ఉపయోగించి, సంస్థలు తమ డేటా-క్యురేషన్ పైప్‌లైన్‌లను మరింత కఠినతరం చేయాల్సి రావచ్చు.
  • అంతర్గత వినియోగం మాత్రమే (Internal-only use) – మోడల్ అవుట్‌పుట్‌లను వాణిజ్యపరంగా ఉపయోగించాలని ప్లాన్ చేసే కంపెనీలు, శిక్షణ డేటాను ఖచ్చితంగా అంతర్గతంగా మాత్రమే ఉంచుకోవాలి. రా డేటా (raw corpora) ను భాగస్వాములతో లేదా ప్రజలతో పంచుకోవడం వల్ల "పరిశోధన" అనే రక్షణ వాదన బలహీనపడవచ్చు.
  • ఆర్థిక నష్టం పరీక్ష (Economic-harm test) – ప్రత్యక్ష ఆర్థిక నష్టం లేదని కోర్టు నొక్కి చెప్పినందున, వాదించేవారు కేవలం బ్రాండ్ విలువ తగ్గడం వంటి అంశాలనే కాకుండా, వాస్తవమైన నష్టాన్ని చూపాల్సి ఉంటుంది.
  • చట్టపరమైన స్పందన (Legislative response) – భారతీయ శాసనసభ్యులు AIకి సంబంధించిన కాపీరైట్ చర్చలను పర్యవేక్షిస్తున్నారు. పరిశోధన మినహాయింపును తగ్గించే ఏవైనా సవరణలు ఇప్పటికే అందుబాటులో ఉన్న మోడళ్లపై కూడా ప్రభావం చూపవచ్చు, దీనివల్ల కంప్లయన్స్ ఆడిట్‌ల (compliance audits) వేట మొదలవుతుంది.

AIని ఇంకా వేధిస్తున్న ప్రతివాదన

ANI ఫిర్యాదు ఒక నిజమైన ఆందోళనను లేవనెత్తింది: LLMలు నిర్దిష్ట పదజాలాన్ని అనుకరించడంలో మరింత నైపుణ్యం సాధిస్తున్న కొద్దీ, "ట్రాన్స్‌ఫార్మేటివ్" వినియోగం మరియు "కాపీ" మధ్య గీత మసకబారిపోవచ్చు. RAG సాంకేతికంగా సెర్చ్ ఫంక్షన్ అయినప్పటికీ, అది అనుమతి లేకుండా కాపీరైట్ కలిగిన కంటెంట్‌ను ప్రదర్శిస్తుందని, ఇది "ప్రజలకు సమాచారాన్ని చేరవేయడం" (communication to the public) అనే హక్కును ఉల్లంఘించే అవకాశం ఉందని విమర్శకులు వాదిస్తున్నారు.

ప్రపంచవ్యాప్త ప్రభావం చూపే ఒక పూర్వనిర్ణయం

మోడల్ శిక్షణను అనుమతించదగిన పరిశోధనా కార్యకలాపంగా వర్గీకరించడం ద్వారా, డెల్హీ హైకోర్టు ఒక సంకేతాన్ని ఇచ్చింది: డెవలపర్లు మూలాల చట్టబద్ధతను గౌరవించి, శిక్షణను అంతర్గతంగా ఉంచుకుంటే, కాపీరైట్ కారణాల వల్ల భారతదేశం లార్జ్ లాంగ్వేజ్ మోడల్స్ (large language models) అభివృద్ధిని స్వయంచాలకంగా అడ్డుకోదు. ఒక ముఖ్యమైన చట్టపరమైన అడ్డంకి తగ్గుముఖం పట్టిందని తెలుసుకోవడం వల్ల, కంపెనీలు తమ భారతీయ కార్యకలాపాలను విస్తరించడానికి ఇది ప్రోత్సాహాన్ని ఇవ్వవచ్చు.

ఇతర ప్రాంతాలలోని నియంత్రణ సంస్థలకు, ఈ తీర్పు ఒక నమూనాను అందిస్తుంది: పరిమితమైన మరియు స్పష్టంగా డాక్యుమెంట్ చేయబడిన పరిశోధనా మినహాయింపును నిర్వచించడం, స్పష్టమైన సోర్సింగ్ ప్రమాణాలను విధించడం మరియు శిక్షణ డేటాను కేవలం అంతర్గతంగా మాత్రమే నిర్వహించాలని కోరడం. ఇటువంటి నిబంధనలను అనుసరించే దేశాలు, తమ స్వదేశీ AI ఎకోసిస్టమ్‌లకు పెట్టుబడులను ఆకర్షించడానికి అవసరమైన నిశ్చయతను అందించగలవు.

ముఖ్య అంశం: డెల్హీ హైకోర్టు నిర్ణయం AI శిక్షణ కోసం ఏదైనా వచనాన్ని స్కిరప్ (scrape) చేయడానికి పూర్తి స్వేచ్ఛను ఇవ్వదు, కానీ భారతీయ చట్టం ప్రకారం, క్రమబద్ధమైన మరియు చట్టబద్ధమైన శిక్షణ పరిశోధనగా పరిగణించబడుతుందని ఇది స్పష్టం చేస్తోంది. యంత్రాలకు భాషను అర్థం చేసుకోవడం నేర్పించడం అనేది రక్షించబడిన విద్యాపరమైన కార్యకలాపమా లేదా అది ఉల్లంఘనగా పరిగణించబడాలా అనే అంశంతో ప్రపంచవ్యాప్తంగా ఉన్న కోర్టులు పోరాడుతున్న తరుణంలో, ఈ వివరణ ఒక ప్రాతిపదికగా మారవచ్చు.